Login for students

Login for employees

Publication detail

Predicting corporate investment/non-investment grade by using interval-valued fuzzy rule-based systems-A cross-region analysis
Authors: Hájek Petr
Year: 2018
Type of publication: článek v odborném periodiku
Name of source: Applied Soft Computing
Publisher name: Elsevier Science BV
Place: Amsterdam
Page from-to: 73-85
Titles:
Language Name Abstract Keywords
cze Predikce investičních/neinvestičních tříd podniků pomocí intervalově ohodnocených fuzzy pravidlových systémů - analýza napříč regiony Systémy pro predikci firemního ratingu přitahují značný zájem v oblasti soft comptutingu z důvodu požadavků jak na jejich přesnost, tak na jejich interpretovatelnost. Vysoká neurčitost spojená především s jazykovou neurčitostí a nesouhlasem mezi odborníky je navíc dalším problémem. Abychom překonali tyto problémy, navrhuje tato studie hybridní systém založený na evolučních fuzzy pravidlech, konkrétně IVTURS, v kombinaci s komponentou pro evoluční selekci atributů. Tento model je používán k předvídání investičních/neinvestičních tříd společností ze čtyř regionů, a to rozvíjejících se zemí, EU, USA a dalších rozvinutých zemí. Pro vyhodnocení výkonnosti predikce je použito měřítko výnosu, které kombinuje výnosnost a míru selhání společností. Demonstrujeme, že používání intervalově ohodnocených fuzzy množin vede k vyšší přesnosti, zejména s rostoucí granularitou na úrovni vstupů. Navrhovaný model predikce je pak porovnán s několika nejmodernějšími systémy založenými na evolučních fuzzy pravidlech. Získané výsledky ukazují, že navrhovaný model je obzvláště vhodný pro problémy s vysokou dimenzionalitou, aniž by musel čelit problémům s interpretovatelností pravidel. Toto zjištění naznačuje, že model je vhodnější pro investory orientované na rozvinuté trhy, jako je EU a Spojené státy.
eng Predicting corporate investment/non-investment grade by using interval-valued fuzzy rule-based systems-A cross-region analysis Systems for predicting corporate rating have attracted considerable interest in soft computing research due to the requirements for both accuracy and interpretability. In addition, the high uncertainty associated primarily with linguistic uncertainties and disagreement among experts is another challenging problem. To overcome these problems, this study proposes a hybrid evolutionary interval-valued fuzzy rule-based system, namely IVTURS, combined with evolutionary feature selection component. This model is used to predict the investment/non-investment grades of companies from four regions, namely Emerging countries, the EU, the United States, and other developed countries. To evaluate prediction performance, a yield measure is used that combines the return and default rates of companies. Here, we show that using interval-valued fuzzy sets leads to higher accuracy, particularly with the growing granularity at the fuzzy partition level. The proposed prediction model is then compared with several state-of-the-art evolutionary fuzzy rule-based systems. The obtained results show that the proposed model is especially suitable for high-dimensional problems, without facing rule base interpretability issues. This finding indicates that the model is preferable for investors oriented toward developed markets such as the EU and the United States. Interval-valued fuzzy rule-based systems; Evolutionary algorithms; Financial distress; Credit rating

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives